В этой подборке вопросы сгруппированы по формату «Поведенческие вопросы», чтобы подготовку можно было вести от базовых тем к практическим задачам. В подборке чаще встречаются темы: qa, testing, frontend.
Частые проблемы — flaky-тесты, общие данные, медленный setup, хрупкие локаторы и сложная диагностика; ответ лучше строить на двух реальных примерах и результате исправления.
Опишите, как использовали TestRail для хранения кейсов, формирования прогонов, фиксации результатов и связи дефектов с проверками; укажите свою роль в сопровождении.
Если автотесты запускаются в Jenkins, поясните триггер, этапы pipeline, окружение, публикацию отчёта и поведение при падении; само название инструмента мало что объясняет.
На code review автотестов проверяют смысл сценария, assertions, данные, изоляцию, ожидания, cleanup, читаемость и устойчивость, а не только стиль кода.
Разделите действия с Docker и Kubernetes: сборка и запуск образов, настройка зависимостей, manifests, namespaces, конфигурация, readiness и диагностика окружения.
Назовите реальные задачи, где использовали AI-инструменты, и способ проверки результата: объяснение кода, черновик тестов, поиск гипотез или редактирование документации.
С аналитиком уточняют требования и примеры, с разработчиком — реализацию и риски; QA участвует до завершения разработки и фиксирует договорённости в общем контексте задачи.
Опишите конкретную работу с Docker: запуск контейнеров, сборку образа, конфигурацию зависимостей, логи, сеть и volumes; отделите это от использования готовой команды команды.
Число 400 автотестов не доказывает, что покрыт весь регресс: нужно уточнить, какие требования и риски они закрывают и какие проверки остаются ручными или вне набора.